Capitolo 2: Analisi della generazione degli insiemi di scelta del percorso dal punto
2.4 Effetto delle informazioni sulla scelta del percorso
Esiste un effetto combinato delle informazioni e delle esperienze sul comportamento di scelta del percorso. I sistemi avanzati di informazione per il trasporto (ATIS) sono progettati per fornire in tempo reale informazioni che consentono ai conducenti di scegliere in modo efficiente tra i percorsi e ridurre il tempo di viaggio.
La ricerca psicologica suggerisce che i modelli di scelta del percorso possono essere migliorati con l'aggiunta di ipotesi comportamentali realistiche. Tuttavia, diverse generalizzazioni comportano direzioni diverse, in particolare quando le decisioni vengono prese sulla base di informazioni rispetto a quelle adottate sulla base dell'esperienza personale.
I sistemi tecnologici di sorveglianza e controllo del traffico sono progettati per fornire informazioni in tempo reale agli utenti della rete sulle condizioni del traffico circostante. Si tratta di una convinzione comune che ulteriori informazioni insieme a tecnologie avanzate come il GPS siano in grado di ridurre i tempi di viaggio e consentire ai conducenti di scegliere in modo efficiente tra i percorsi disponibili, risparmiando tempo prezioso e riducendo la congestione.
Tuttavia, l'impatto degli ATIS è sensibile alla reazione dei conducenti alle nuove informazioni.
La ricerca affronta lo studio del comportamento del conducente con l'assunzione che gli individui cercano di massimizzare l'utilità. La maggior parte degli studi sulla scelta di itinerari si concentrano sui
73
modelli di scelta discreta. Nella teoria dell’utilità casuale, l'utilità di un individuo per ogni coppia di origine e destinazione ha una componente deterministica e una componente casuale o termine di errore, che non sono spiegate attraverso gli attributi osservati.
La probabilità di scelta si basa sulla utilità osservata e sulle ipotesi circa la distribuzione degli errori casuali. Prashker e Bekhor (2004) hanno fornito una vasta rassegna di modelli di utilità casuale (RUM) e la loro applicazione negli studi di scelta del percorso.
I modelli di scelta discreta non includono un'astrazione esplicita degli effetti delle informazioni in tempo reale fornite dagli ATIS. Per includere questo effetto sui guidatori nel quadro dei modelli di scelta discreta bisogna definire opportune ipotesi comportamentali. I tentativi di trattare l'effetto delle informazioni parziali sul comportamento dei conducenti si sono concentrati su tre approcci principali. Per primo, l'informazione riguarda il termine di errore nelle funzioni di utilità dei percorsi (ad esempio, Watling e Van Vuren 1993). Un altro approccio è quello che si basa sulla teoria dell’apprendimento rinforzato. Ad esempio, Horowitz (1984) ha descritto un semplice modello di scelta del percorso nel tempo in base al quale le decisioni sono basate sulla media ponderata dei valori dei costi dei viaggi precedenti. Un terzo e diverso approccio implica la ricerca empirica diretta.
Altri studi hanno applicato i principi di logica fuzzy come la regola “if-then” (Peeta e Yu 2005) come vedremo successivamente.
Ben Elia e al (2007) hanno realizzato un lavoro che contribuisce alla ricerca mediante un approccio empirico.
La ricerca di Ben Elia e al (2007) suggerisce che i modelli di scelta del percorso potrebbero essere migliorati con l'aggiunta di ipotesi comportamentali più realistiche. Tuttavia, i tentativi di generalizzare le recenti scoperte degli studi comportamentali al contesto di selezione del percorso rivelano che questo compito non è banale. Considerando che quasi tutti questi studi concordano sul fatto che le persone si discostano dalle previsioni della teoria razionale di
74
decisione (ad esempio, la massimizzazione dell'utilità attesa), diverse generalizzazioni comportano deviazioni in diverse direzioni.
Ben Elia e al (2007) nel loro lavoro propongono un esempio semplice per spiegare meglio il problema.
Essi suppongono che a un conducente vengano fornite informazioni in tempo reale per quanto riguarda la scelta tra due percorsi da lavoro a casa: un percorso più rapido ed un percorso più lento. I tempi medi sul percorso più rapido sono di 25 minuti e di quello più lento di 30 minuti. Il conducente non ha alcun obbligo specifico di arrivare a casa in un momento specifico, ma ovviamente vorrebbe minimizzare il suo tempo di viaggio. Supponiamo inoltre che al guidatore vengano fornite informazioni in tempo reale ad intervalli temporali durante il viaggio. Gli intervalli sono di 5 o di 15 minuti per ciascun tragitto. Le varie combinazioni degli intervalli permettono di costruire tre possibili scenari del tempo di percorrenza.
I tre scenari si suddividono Safer-Fast ( percorso più veloce ma sicuro) , Risky-Fast ( percorso più veloce ma rischioso) e Low-Risk ( percorso a basso rischio).
L'obiettivo principale dello studio è quello di valutare l'importanza relativa delle tre generalizzazioni nel caso di scelta del percorso, con la fornitura di informazioni in tempo reale. I 49 partecipanti alla sperimentazione sono stati divisi in modo casuale tra due gruppi. Un gruppo, composto da 24 soggetti, ha ricevuto informazioni in tempo reale continuamente prima di ogni scelta simulata e sul tempo di viaggio del percorso scelto dopo che ogni scelta era stata fatta (come feedback). Gli altri 25 hanno ricevuto solo le informazioni di feedback, ma non le altre informazioni riguardanti i possibili tempi di percorrenza dei percorsi. Il compito dei partecipanti era di scegliere ripetutamente tra i due percorsi simulando un pendolarismo giornaliero.
Al fine di incoraggiare i partecipanti a ridurre il tempo di viaggio, l’ esperimento prevedeva una forma di incentivo monetario collegato al tempo di viaggio stesso.
75
I risultati del lavoro di Ben Elia e al (2007) hanno evidenziato due regolarità comportamentali che non sono modellate da modelli tradizionali del comportamento di viaggio. I risultati mostrano che un utente informato va alla ricerca di un percorso rischioso quando i tempi di viaggio sono inquadrate nel dominio delle perdite. Nei casi studiati da Ben Elia et al (2007) , il comportamento osservato riflette un’elevata propensione al rischio. Cioè, il percorso veloce era più attraente quando era rischioso (Risky-Fast), rispetto a quando è stato associato con una bassa variabilità dei tempi di viaggio (Safer-Fast). Nel lavoro di Ben Elia e al (2007) i dati indicano che l'effetto tipico delle informazioni è quello di aumentare la ricerca del rischio. Inoltre, in questo studio l'effetto iniziale di fornire informazioni in tempo reale è stato positivo per tutti e tre gli scenari.
Per Ben Elia e al (2007) i risultati suggeriscono che l'informazione ha tre effetti principali. In primo luogo, riduce l'esplorazione iniziale e per questo aumenta il tasso di massimizzazione dei conducenti inesperti. In secondo luogo, aumenta la ricerca del rischio iniziale. Infine aumenta le differenze tra soggetti in risposta alla variabilità o al rischio. La conclusione principale dall'analisi di Ben Elia et al (2007) è che i principali vantaggi di fornire in tempo reale informazioni con ATIS si manifestano quando i conducenti non hanno esperienza a lungo termine. I guidatori che sono nuovi alla rete stradale o che hanno una conoscenza limitata del tempo di viaggio trarranno maggiori vantaggi dalle informazioni fornite. I risultati di Ben Elia et al (2007) mostrano anche che l'effetto delle informazioni è piuttosto limitato per conducenti esperti i quali hanno già una buona base di conoscenza delle possibili condizioni di viaggio sulla rete.
Vale la pena notare che, quando le condizioni del traffico cambiano bruscamente a causa di eventi imprevisti come incidenti o altri eventi particolari, l'informazione ha un ruolo fondamentale per accelerare il processo di apprendimento dei guidatori. Dal punto di vista di un pianificatore o del gestore di una rete ciò ha grande importanza dal momento che le congestioni non ricorrenti stanno assumendo un
76
ruolo sempre maggiore in molte reti urbane. Mentre la congestione ricorrente può essere affrontata con l'apprendimento a lungo termine da parte degli utenti e dei pendolari, una migliore gestione della congestione non ricorrente può essere possibile fornendo informazioni in tempo reale agli utenti. In tali circostanze, è necessaria una maggiore ricerca per comprendere gli impatti degli utenti parzialmente informati sull'equilibrio generale della rete di trasporto. Nella parte successiva viene riassunto il contenuto di un lavoro di Paz e Peeta (2008) per determinare le strategie di controllo della rete basate su informazioni che siano coerenti con gli obiettivi del controller e tenendo conto anche del comportamento di risposta dei conducenti.
Paz e Peeta (2008) propongono una metodologia basata sul controllo fuzzy. L'uso di una metodologia fuzzy basata su semplici regole “if-then” ha implicazioni fondamentali per il realismo della modellazione e l’efficienza computazionale.
Un modello fuzzy consiste in un insieme di regole deduttive che legano gli ingressi e le uscite basandosi su predicati e connessioni caratterizzati da indeterminazione e vaghezza. Questi modelli possono incorporare facilmente l’esperienza umana espressa in termini "qualitativi". Con poche regole si può descrivere un processo di grande complessità, anche se non si ottiene una descrizione dettagliata del processo.
L'adeguatezza delle generiche regole if-then in base all’osservazione del sistema e alle caratteristiche del problema sia per la modellazione del comportamento stimato dal controllore che per la generazione delle strategie di controllo riduce l’esigenza di grandi quantità di dati che altrimenti sarebbero richiesti a livello del singolo conducente. Paz e Peeta (2008) cercano di comprendere il comportamento risolvendo un problema di punto fisso che stima le probabili reazioni dei conducenti in seguito alle informazioni fornite al loro dal controllore stesso. Gli esperimenti vengono eseguiti per valutare l'efficacia della metodologia proposta. I risultati suggeriscono
77
l'importanza di utilizzare un approccio comportamentale coerente per determinare le strategie di controllo della rete basate su informazioni. Gli effetti del comportamento di risposta del guidatore, a cui vengono fornite informazioni, possono richiedere strategie adeguate e opportunamente progettate allo scopo. Le strategie di informazione che non tengono conto delle risposte degli utenti possono potenzialmente peggiorare le prestazioni del sistema.
L’efficacia della distribuzione di informazioni basate su strategie di controllo della rete comporta una robusta modellazione della dinamica dei flussi di traffico e del comportamento del conducente. E’ necessario sviluppare un paradigma di guida del percorso che integra le strategie di controllo della rete basate su informazioni e la realistica rappresentazione del comportamento del conducente.
Il comportamento del conducente è un fattore fondamentale e fonte primaria di complessità nel predire gli stati di traffico. Tuttavia, la maggior parte dei modelli di assegnazione dinamica del traffico (DTA) sono basati su una struttura rigida; generalmente essi pre-specificano il comportamento dei conducenti. Pochi modelli DTA considerano l’eterogeneità tra i conducenti. Anche questi modelli presuppongono che le classi di comportamento del guidatore possono essere pre-specificate. Inoltre, essi assumono a priori la conoscenza delle frazioni di classe di comportamento del conducente. Questa rigidità
solleva questioni legate alla modellazione realistica del
comportamento del conducente e, di conseguenza, all'efficacia delle strategie di controllo della rete basate sull'informazione.
Una previsione non corretta degli stati del sistema basata sulle ipotesi citate sopra può influire negativamente sulla validità e l'efficacia delle strategie di controllo della rete basate su informazioni e potenzialmente può peggiorare le prestazioni del sistema. In realtà, le decisioni degli itinerari da parte del conducente, anche in presenza di informazioni, sono basate sul comportamento innato del conducente che si fonda sulle esperienze passate, su fattori situazionali (ad esempio, condizioni del meteo e scopo del viaggio) e sulle condizioni
78
del traffico incontrate. Ciò vale indipendentemente dal tipo di informazione, dalla strategia utilizzata o se i conducenti non ricevono alcuna informazione.
Mentre la fornitura di informazioni e i relativi contenuti possono essere utilizzati come variabili di controllo per influenzare le prestazioni del sistema, esse non possono implicare tassi pre-specificati di conformità da parte dei conducenti alle informazioni fornite, come prevalentemente si assume nei modelli DTA. Fornendo informazioni personalizzate si potrebbe generare un controllo più efficace. Si potrebbe determinare quali informazioni fornire a chi, sulla base degli obiettivi di controllo del sistema e della stima del controllore sul comportamento del conducente.
Idealmente, il controllore vorrebbe avere piena conoscenza del comportamento di ciascun utente ma, questo non può essere praticamente possibile per una serie di motivi. Tuttavia, il controllore può costruire un modello di stima del comportamento di guida sulla base di dati storici, dati raccolti dai sensori di campo, da sondaggi e da approfondimenti derivanti da studi comportamentali del passato. Tale modello può essere ulteriormente perfezionato col tempo.
Paz e Peeta (2008) nel loro lavoro hanno classificato le informazioni in due categorie: le informazioni descrittive dove sono fornite le condizioni del traffico immediate o proiettate e le informazioni prescrittive in cui specifici percorsi sono raccomandati ai conducenti. In questo contesto, le informazioni possono anche essere classificate come: informazione quantitativa che è un’ informazione numerica connessa alla rete e / o alle condizioni del percorso come tempi di percorrenza, e l’ informazione qualitativa che si compone di etichette linguistiche che descrivono le condizioni del percorso. La maggior parte dei modelli DTA pre-specificano il comportamento del conducente in termini di diversi possibili obiettivi. Tale approccio di modellazione è restrittivo per raffigurare realisticamente sia le caratteristiche di informazione che il comportamento di risposta del guidatore. Inoltre, questi modelli non sono in grado di gestire in
79
modo adeguato e di elaborare le variabili linguistiche (Peeta e Yu, 2004).
Nel lavoro di Paz e Peeta (2008), il comportamento non è pre-specificato e le strategie di controllo della rete basate sulle informazioni sono modellate per essere coerenti con le informazioni del mondo reale. I modelli DTA in genere forniscono tempi di percorrenza del percorso da un punto di vista descrittivo o del percorso consigliato in un contesto prescrittivo.
L'approccio di Paz e Peeta (2008) fornisce contenuti informativi più realistici. Cioè, i modelli utilizzati per determinare le strategie di informazione e valutare il comportamento probabile della risposta del conducente consentono la determinazione e la trasformazione di messaggi linguistici quali le informazioni qualitative descrittive, le specifiche raccomandazioni sul percorso sotto informazioni prescrittive o entrambe contemporaneamente. Quindi, Paz e Peeta (2008) si concentrano su informazioni personalizzate che possono essere qualitative, descrittive e / o prescrittive. Le informazioni qualitative descrittive implicano messaggi linguistici che descrivono le condizioni del traffico a valle della posizione corrente per l'attuale serie di percorsi che un guidatore sta valutando verso la propria destinazione. Mentre l’informazione prescrittiva riguarda il percorso specifico consigliato al conducente.
Nello studio dei suddetti autori, solo i guidatori con dispositivi ATIS possono ricevere informazioni personalizzate mentre gli altri non ricevono informazioni. Le informazioni personalizzate ricevute dai viaggiatori equipaggiati vengono viste come parte di un servizio di informazione che fornisce informazioni prescrittive e linguistiche descrittive. Paz e Peeta (2008) definiscono quattro classi di guidatori informati.
La prima classe di guidatori (u = 1) decide di scegliere solo le informazioni prescrittive. Questi possono ricevere percorsi specifici talvolta e nessuna informazione in altri momenti durante il loro viaggio a seconda della strategia di controllo della rete usata. In un
80
contesto pre-viaggio, un sottoinsieme di questi guidatori è consigliato per prendere percorsi specifici in base alle proporzioni suggerite dalla strategia di controllo. Ai rimanenti guidatori della classe prescrittiva sono consigliati percorsi pre-viaggio in base al modello di comportamento del guidatore stimato dal controllore.
La seconda classe di conducenti (u = 2) decide di scegliere solo informazioni linguistiche descrittive. I driver di questa classe ricevono informazioni linguistiche che dipendono dal tempo sulle condizioni a valle per le loro attuali serie di percorsi alternativi.
La terza classe dei guidatori (u = 3) sceglie sia le informazioni linguistiche descrittive sia prescrittive e sono in grado di elaborare entrambi i tipi di informazione contemporaneamente. Come in classe 1, le informazioni prescrittive possono o non possono essere fornite ai guidatori specifici a seconda della strategia del comportamento coerente. Tuttavia, come in classe 2, questi driver ricevono sempre informazioni linguistiche.
La quarta classe di conducenti (u = 4) non ricevono informazioni. Il problema delle strategie di controllo basate su informazioni è definito da Paz e Peeta (2008) come segue.
Un sistema di controllo mira a determinare strategie di controllo della rete basate su informazioni che siano coerenti con il comportamento del conducente pur affrontando l’ obiettivo di migliorare le prestazioni del sistema. L'approccio utilizzato da Paz e Peeta (2008) è quello di influenzare le decisioni di scelta del percorso del conducente, fornendo informazioni di percorrenza (sia linguistiche che prescrittive) in modo tale che le proporzioni dei conducenti che scelgono determinati percorsi siano vicine alle proporzioni corrispondenti ad un assetto ottimale del sistema(SO).
In tal modo, i percorsi SO sono definiti come i percorsi desiderati dal controllore. Per conseguire la coerenza desiderata, il controllore calcola le decisioni di scelta del percorso del conducente mediante un modello di scelta comportamentale del percorso e determina le adeguate strategie di controllo della rete basate su informazioni.
81
È noto in letteratura che la soluzione SO non è sostenibile a livello comportamentale. Quindi, i percorsi SO che non sono considerati dai guidatori non vengono utilizzati dal regolatore per determinare le strategie di informazione e pertanto non sono raccomandati ai conducenti. Gli autori hanno eseguito vari test dai quali hanno ottenuto significative differenze in termini di risparmio di tempo di viaggio quando l'approccio del comportamento coerente è stato confrontato gli approcci tradizionali (UE, SO, ecc.)
La formulazione del problema è di difficile realizzazione usando le tecniche tradizionali come la ottimizzazione non-lineare o la teoria del controllo tradizionale. Il problema chiave è la loro limitata capacità di gestire l'imprecisione, l’incertezza e la soggettività associate con dati incompleti e / o variabili qualitative / linguistiche. Le variabili linguistiche sono importanti in questo contesto perché consentono la modellazione delle strategie di fornitura delle informazioni utilizzate nel mondo reale.
Paz e Peeta (2008) risolvono la formulazione utilizzando la logica fuzzy. La logica fuzzy permette una certa tolleranza in termini di imprecisione, incertezza e / o verità parziale. Ci sono altri vantaggi di utilizzare la logica fuzzy in questo contesto: ad esempio, la conoscenza / esperienza del personale di controllo del traffico può essere incorporata nelle regole di controllo if-then.
I risultati dello studio evidenziano la complessità del problema affrontato da Paz e Peeta (2008) e dimostrano l'efficacia dell’approccio fuzzy per affrontare la multidimensionalità e non linearità del problema. Essi indicano anche l' importanza di utilizzare un approccio di comportamento coerente per determinare le strategie di controllo basate sull'informazione. Un'analisi dettagliata dei risultati dell'esperimento suggerisce che molti percorsi preferiti dai guidatori tendono ad avere grandi mancanze dal punto di vista del comportamento coerente perché un gran numero di conducenti prendono questi percorsi indipendentemente dalle informazioni fornite. Ciò implica che per dirigere il sistema verso proporzioni
82
desiderate dei percorsi scelti dai conducenti, il controllore può consigliare i guidatori sugli itinerari da prendere a seconda delle dinamiche della rete e delle tendenze del comportamento di guida. Cioè, gli effetti del comportamento di risposta del conducente dotato di informazioni possono richiedere strategie più significative di quelle previste nell'ambito dei modelli tradizionali DTA per avere un preventivo e affidabile controllo delle prestazioni del sistema.
L'approccio proposto da Paz e Peeta (2008) richiede una stima adeguata del comportamento di guida in presenza di informazioni. L’approccio del comportamento coerente si concentra su informazioni personalizzate. Inoltre la metodologia della logica Fuzzy comporta un grande vantaggio per la sua capacità di incorporare informazioni personalizzate e generiche contemporaneamente.
Nel capitolo seguente andremo ad illustrare l’analisi, effettuata tramite la formulazione di un questionario, su un campione di persone residenti nella provincia di Verona che compiono il loro viaggio casa-lavoro/studio. Ma prima di affrontare questo argomento, nel prossimo paragrafo verranno mostrati dei lavori su l’uso del sistema di posizionamento globale (GPS) come mezzo efficace di raccolta di dati sulle attività di viaggio che permettono la formulazione di analisi sulla scelta del percorso.